脉冲神经网络中的神经形态器件

摘要：

随着摩尔定律延续放慢,数据强度任务使得基于冯诺依曼结构的传统计算架构面临挑战,需要激发能够模仿大脑的材料、器件以及系统开发,如神经形态计算.对于直接受大脑启发的脉冲神经网络SNN,实现高密度、高能效的脉冲信息处理,需要高扩展性、低功耗的神经形态器件.文章在生物神经元结构、非监督学习规则以及脉冲神经网络分析基础上,探讨SNN中的突触器件、神经元电路以及与环境接口电路.研究表明:CMOS浮栅存储器件、忆阻器件可作为潜力神经形态器件,充分利用器件的物理特性有助于构建高密度、高能效的神经形态电路.

关键词：神经形态器件、脉冲神经网络、突触、神经元、浮栅存储器件、忆阻器

所属期刊栏目：33

分类号：TP183(自动化基础理论)

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：31-37